Therapeutic Use of Intranasal Glucagon: Resolution of Hypoglycemia
Notice bibliographique
Résumé
Episodes of hypoglycemia are frequent in patients with diabetes treated with insulin or sulphonylureas. Hypoglycemia can lead to severe acute complications, and, as such, both prevention and treatment of hypoglycemia are important for the well-being of patients with diabetes. The experience of hypoglycemia also leads to fear of hypoglycemia, that in turn can limit optimal glycemic control in patients, especially with type 1 diabetes. Treatment of hypoglycemia is still based on administration of carbohydrates (oral or parenteral according to the level of consciousness) or of glucagon (intramuscular or subcutaneous injection). In 1983, it was shown for the first time that intranasal (IN) glucagon drops (with sodium glycocholate as a promoter) increase blood glucose levels in healthy volunteers. During the following decade, several authors showed the efficacy of IN glucagon (drops, powders, and sprays) to resolve hypoglycemia in normal volunteers and in patients with diabetes, both adults and children. Only in 2010, based on evaluation of patients' beliefs and patients' expectations, a canadian pharmaceutical company (Locemia Solutions, Montreal, Canada) reinitiated efforts to develop glucagon for IN administration. The project has been continued by Eli Lilly, that is seeking to obtain registration in order to make IN glucagon available to insulin users (children and adolescents) worldwide. IN glucagon is as effective as injectable glucagon, and devoid of most of the technical difficulties associated with administration of injectable glucagon. IN glucagon appears to represent a major breakthrough in the treatment of severe hypoglycemia in insulin-treated patients with diabetes, both children and adults.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».